买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京邮电大学申请的专利面向视频分析任务的端边云协同配置和调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119966991B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510116051.9，技术领域涉及：H04L67/1001；该发明授权面向视频分析任务的端边云协同配置和调度方法是由王子逸;金浩楠;张蓝姗;王文东设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本面向视频分析任务的端边云协同配置和调度方法在说明书摘要公布了：本发明公开了面向视频分析任务的端边云协同配置和调度方法，属于互联网应用层的配置调节和资源调度技术。首先构建基于强化学习网络的端边云协同调度器，在端边云协同架构中引入演员‑评论家模型，演员模型部署于边缘节点上作为调度器，评论家模型部署于云端任意节点上分析器模块中，并将分析器评估结果反馈给各个边缘节点上的演员模型用于训练。然后建立优化目标并求解，得到离散量决策和带宽决策，并将该决策应用于调度器的视频分析任务，当前时隙步骤执行完成后，将剩余任务上传到云节点，并将任务处理情况用于训练演员‑评论家系统，训练迭代直至演员‑评论家系统收敛。本发明实现了资源的高效利用，提升了系统可扩展性和鲁棒性，降低能耗。

本发明授权面向视频分析任务的端边云协同配置和调度方法在权利要求书中公布了：1.面向视频分析任务的端边云协同配置和调度方法，其特征在于，包括如下步骤： 步骤一，构建端边云协同的视频分析架构，包括端设备、边缘设备和云设备，并在其中引入演员-评论家系统，得到基于强化学习网络的端边云协同调度器； 所述演员-评论家系统具体为：演员模型部署于边缘节点上，作为调度器发挥作用，在每一时隙决定下一时隙视频流的配置和调度策略；评论家模型在训练阶段部署于云端任意节点上，作为分析器评估各时刻下各个节点的任务执行情况，并将评估结果反馈给各个边缘节点上的演员模型用于训练； 演员-评论家的神经网络结构使用LSTM模块来捕捉历史决策的时间信息作为特征向量，并将观察空间中的其他维度向量、提交给边缘节点的任务数量和每个任务的偏好，拼接到特征向量中； 步骤二，针对基于强化学习网络的端边云协同调度器建立优化目标，对执行每个任务i达到最大化准确率a的同时最小化时延l和处理开销o； 假设有M个边缘节点，每个边缘节点管理ni个任务，系统中总共有N个任务，并且整个系统运行时间为T，在每个时隙t，需要确定每个任务视频流的分辨率r，帧率f，在边缘节点上运行的步骤数s，用于处理该任务的云节点c，以及分配的带宽b，则优化目标表示为： 其中，下标i,t表示该参数在第t个时隙属于任务i，上标E表示边缘节点，上标C表示云节点；表示端-边带宽，表示边-云带宽； 约束C1到C4确认分辨率、帧率和在边缘节点上运行的步骤数和用于处理任务的云节点在可选范围内，C5到C10则保证各个节点所用的设备资源在限度内； 任务i在边缘节点和云节点上占用的GPU显存h和内存m与其分辨率r、帧率f和在边缘节点上运行的步数s相关，表示为： 步骤三，对优化问题进行求解，将优化问题分解为对离散量的决策和对带宽的决策； 1对离散量的决策 离散量的决策通过确定各个任务的视频流配置和任务调度来使得每个任务的效用最高，公式表示为： s.t.C1,C2,C3,C4,C7,C8,C9,C10 将离散量决策问题建模为部分可观察马尔可夫决策过程POMDP，并将建模过程实际应用到演员-评论家系统，令演员模型在每个时隙做出决策，即为对离散量的求解方法； 2对带宽的决策 对连续量即带宽b的决策为通过确定各个任务的带宽分配来使得延迟达到最低，用如下公式表示： s.t.C5,C6 通过柯西不等式求得每个任务在相应边缘节点上的最优带宽分配； 步骤四，基于优化问题求解得到的离散量决策和带宽决策，计算任务i在时隙t的时延和开销； 1任务i在时隙t的时延表示为： 其中，端-边的传输时延Cenc为编码系数；边-云的传输时延为编码系数；表示计算时延，ρsi,t表示在边缘设备上处理的数据量的比例；分别表示该任务在边缘节点和云节点对GPU的利用率；用来表示边缘节点和云节点之间的传播时延； 2任务i在时隙t的开销表示为： 其中，表示从边缘节点i到云节点j的传输单价，表示边缘节点的租用单价，表示云节点的租用单价； 步骤五，调度器根据离散决策量将相应的视频分析任务按照相应步骤执行，当前时隙步骤执行完成后，将剩余任务上传到云节点； 步骤六，云节点处理剩余任务，并将任务处理情况用于训练演员-评论家系统； 所述演员-评论家系统的训练过程为： 评论家模型将每个节点上所有任务特征向量的平均值作为全连接层的输入，生成计算评价值所需的估算值，包括开销和时延的建模因素、任务准确率以及任务成功率；通过建模因素计算相应的延迟和成本，结合准确率计算出估计奖励，并将完成率乘以估计奖励来获得相应的评价值； 演员模型，使用全连接层将各任务特征向量作为输入并输出决策空间中每个维度的概率图； 评论家模型得到的评价值用于优化演员模型，更新演员模型的参数，同时演员模型采取操作后任务的执行结果以及实际时延和开销将被用于优化评论家模型，令其生成的评价值能够更加贴近实际收益； 步骤七，演员-评论家系统的训练过程每迭代一次，调度器对任务生成器进行一次重新配置，返回步骤二，重复上述步骤，直至演员-评论家系统收敛。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。